面向极端电力市场的少样本LLM框架用于日电价分类
机器学习
2026-02-20 v1 系统与控制
系统与控制
摘要
本文提出了一个基于大语言模型（LLM）的少样本分类框架，用于预测次日是否会出现实时电价尖峰。该方法将系统状态信息（包括电力需求、可再生能源发电、天气预报以及最近的电价）聚合为一组统计特征，格式化为自然语言提示，并输入LLM along with general instructions。模型随后确定次日是否为尖峰日，并报告置信度得分。使用德克萨斯电力市场的历史数据，我们展示了该少样本方法在可比于监督式机器学习模型（如支持向量机和XGBoost）的性能，且在历史数据有限时表现优于后者。这些发现凸显了LLM作为数据效率工具在数据稀缺场景下对分类电价尖峰具有潜力。
引用
@article{arxiv.2602.16735,
title = {A Few-Shot LLM Framework for Extreme Day Classification in Electricity Markets},
author = {Saud Alghumayjan and Ming Yi and Bolun Xu},
journal= {arXiv preprint arXiv:2602.16735},
year = {2026}
}